竞争-合作神经网络的双边同步及其通过截断采样数据控制的应用

科学领域:

• 控制理论 控制理论
• 神经网络的神经网络的神经网络
• 系统工程 系统工程

背景情况:

• 竞争合作神经网络表现出复杂的动态,需要先进的控制策略.
• 现有的采样数据控制方法可能由于充分利用数据而效率低下.
• 在降低合强度的情况下实现双边同步是一个重大挑战.

研究的目的:

• 为竞争-合作神经网络提出一个新的截断的采样数据控制方案.
• 为了降低合强度并实现双边同步.
• 引入和量化最大数据截断率的概念,以节省带宽.

主要方法:

• 为竞争与合作相互作用量身定制的固定截断样本数据控制器的设计.
• 使用坐标转换技术构建可处理的错误系统.
• 开发一个双间隔依赖的利亚普诺夫函数,结合利亚普诺夫理论和不等式技术.

主要成果:

• 导出了两个足够的标准,以保证网络中的双边同步.
• 开发的算法用于确定最小允许的合强度和最大允许的数据截断速率.
• 与以前的方法相比,在降低合强度和增加数据截断率方面取得了明显的改进.

结论:

• 拟议的截断采样数据控制方案有效地实现了竞争-合作神经网络的双边同步.
• 该方法通过可控数据截断提供了显著的带宽节省.
• 开发的标准和算法为设计强大高效的神经网络控制系统提供了实用工具.